Ezt az oldalt automatikusan lefordították, és a fordítás pontossága nem garantált. Kérjük, olvassa el a angol verzió forrásszöveghez.

A COPD-s betegek diagramjának áttekintése, elektronikus orvosi nyilvántartások és mesterséges intelligencia használata (BigCOPData)

A COPD-s betegek diagramjának áttekintése, elektronikus orvosi nyilvántartások és mesterséges intelligencia használata: BigCOPData

A krónikus obstruktív tüdőbetegség (COPD) 2003 óta a harmadik vezető halálok a világon. Sokan évekig szenvednek ettől a betegségtől vagy szövődményeitől, és idő előtt meghalnak. Az Európai Unióban a légúti megbetegedések teljes közvetlen költségei a becslések szerint a teljes egészségügyi költségvetés 6%-át teszik ki, a COPD a légúti megbetegedések költségeinek 56%-át (38,6 milliárd eurót) teszi ki.

A COPD természetes történetében sok beteg akut exacerbációt (AECOPD) tapasztalhat, amelyet a légzőszervi tünetek tartós súlyosbodásának epizódjaiként írnak le, amelyek további kezelést eredményeznek. Az exacerbáció ezen epizódjai, amelyek gyakran a sürgősségi osztályon és/vagy kórházi felvételt igényelnek, jelentős morbiditással és mortalitással járnak; ők felelősek a betegség gazdasági terheinek jelentős részéért is. Az AECOPD kezelésében alkalmazott farmakológiai megközelítés (inhalációs hörgőtágítók, kortikoszteroidok és antibiotikumok) célja a jelenlegi exacerbáció negatív hatásainak minimalizálása és a későbbi események megelőzése.

Annak ellenére, hogy az Európai Légzőgyógyászati ​​Társaság, az American Thoracic Society és mások együttműködnek az AECOPD megelőzésére vonatkozó klinikai ajánlásokkal, még mindig jelentős számú beteg van, akik hajlamosak visszatérő exacerbációkra és súlyosabb károsodásra. egészségi állapotában.

A fentiek alapján a cél az, hogy azonosítsák azokat a tényezőket, amelyek potenciálisan összefüggésbe hozhatók az AECOPD-s betegek kórházi felvételével angol, francia, német és spanyol nyelvű országokban, és egy olyan prediktív modell kidolgozása, amely előrejelzi a kórházi kezelés kockázatát ebben a csoportban. mesterséges intelligencia használatával. Ebben a tanulmányban a SAVANA, egy új klinikai platform, az elektronikus orvosi nyilvántartások (EMR-ek) korszaka keretében létrehozott előnyeinek kihasználását javasolja az elektronikus orvosi aktákban található információk (azaz big data) elemzésére. Ez a klinikai platform egy hatékony szabad szöveges elemző motor, amely képes értelmesen értelmezni az EMR-ek tartalmát, függetlenül attól, hogy milyen irányítási rendszerben működnek. Ebben az összefüggésben ez a gépi tanulási elemzési módszer rugalmas, testreszabott és automatizált prediktív modell felépítésére használható az EMR-ekben elérhető információk felhasználásával.

A tanulmány áttekintése

Részletes leírás

A vizsgálatot a jogi és szabályozási követelményeknek megfelelően, valamint tudományos céllal, értékkel és szigorúsággal végzik el, és követik a Nemzetközi Konferencia Harmonizációs (ICH) Jó klinikai gyakorlatra vonatkozó iránymutatásában, a Helsinki Nyilatkozatban leírt általánosan elfogadott kutatási gyakorlatokat. kiadás, a Good Pharmacoepidemiology Practices és a vonatkozó helyi előírások.

A betegek bizalmas kezelésének érdekében demográfiai és személyazonosító adatokat (például kezdőbetűket, születési dátumot stb.) nem gyűjtünk; csak az életkor kerül összegyűjtésre. A Savana munkatársai semmilyen esetben sem kezelnek megfelelési táblázatot az anonimizált betegkódok és az EMR-jeik között. Csak az egészségügyi központ tudja azonosítani a betegeket. Mindenesetre a SEPAR-nak, a tanulmány szponzorának vagy partnereinek nem lesz gto EMR-je. Csak egy jelentéshez fog hozzáférni, amely összesített információkat tartalmaz a jelen protokollban leírtak szerint kapott adatokról. A végleges eredményeket közzétesszük.

Az Európai Adatvédelmi Hatóság szerint az anonim klinikai nyilvántartást felszabadítják személyes adat státuszából, így az általános adatvédelmi rendelet már nem alkalmazandó. Az anonimizálást minden oldalon az információ tulajdonosa végzi (hogy senki más ne férhessen hozzá az információhoz, és ne lehessen nyomon követni).

Minden intézkedést az Európai Adatvédelmi Hatóság Big Data projektekre vonatkozó helyes adatvédelmi gyakorlatának kódexével, az európai általános adatvédelmi rendelettel vagy az azt helyettesítő egyéb rendelettel összhangban kell megtenni.

Ezenkívül a klinikai feljegyzéseket soha nem tárolják más helyen, mint abban az intézményben, ahol azokat megvalósítják. A Savana nem egyedi betegektől származó EMR-eket használ, hanem összesített klinikai információkat, amelyek szintén titkosítottak és biztonságosak. Az adatok összesítése biztosítja a betegek vagy az egyes központok azonosításának lehetetlenségét. A rendszer nagy mennyiségű információ (Big Data) feldolgozására épül, így a véletlenszerű hibák hatása minimálisra csökken. Ennek a szoftvernek a használata napjainkban lehetséges, mivel az EMR-ek megvalósításában jelentős javulás történt, ami jelentős beruházásokat eredményezhet a szoftver használatával az egészségügyi rendszer használatához és jobb megismeréséhez.

Összefoglalva, ez az új technológia lehetővé teszi a jelenlegi vizsgálathoz kapott adatok és a páciens személyes adatai közötti teljes disszociációt, mivel ezeket az információkat összesített és teljesen anonim formában szerezzük be. Ez egyértelműen előrelépést jelent az adatvédelem terén a klasszikus megfigyeléses epidemiológiai tanulmányok összefüggésében.

Ezért csak összesített és teljesen anonim adatok kerülnek beszerzésre, teljesen elválasztva az egyes betegek és központok személyes adataitól. A betegnyilvántartások titkosságát mindenkor megőrzik. Minden vizsgálati jelentés csak összesített adatokat tartalmaz, és nem azonosítja a betegeket, az orvosokat vagy az egyes központokat. A szponzor a vizsgálat során soha nem kap olyan információkat, amelyek lehetővé teszik a beteg vagy az egyéni központ azonosítását.

Tanulmány típusa

Megfigyelő

Beiratkozás (Várható)

2500000

Kapcsolatok és helyek

Ez a rész a vizsgálatot végzők elérhetőségeit, valamint a vizsgálat lefolytatásának helyére vonatkozó információkat tartalmazza.

Tanulmányi kapcsolat

Tanulmányozza a kapcsolattartók biztonsági mentését

Tanulmányi helyek

      • Linz, Ausztria
      • Birmingham, Egyesült Királyság, B9 5SS
        • Még nincs toborzás
        • Queen Elizabeth Hospital University
        • Kapcsolatba lépni:
        • Kutatásvezető:
          • Robert A Stockley
      • Alcalá De Henares, Spanyolország
        • Aktív, nem toborzó
        • Hospital Universitario de Guadalajara
      • Alcalá De Henares, Spanyolország
        • Aktív, nem toborzó
        • Hospital Universitario Príncipe de Asturias
      • Barcelona, Spanyolország
        • Aktív, nem toborzó
        • Hospital Universitario Vall d'Hebron
      • Madrid, Spanyolország
        • Toborzás
        • Hospital Universitario La Princesa
        • Kapcsolatba lépni:
        • Kutatásvezető:
          • JB Soriano, MD
        • Kutatásvezető:
          • Julio Ancochea, MD
      • Palma De Mallorca, Spanyolország
        • Aktív, nem toborzó
        • Hospital Universitario Son Espases
      • Santiago De Compostela, Spanyolország
        • Aktív, nem toborzó
        • Hospital Universitario Santiago de Compostela
      • Sevilla, Spanyolország
        • Aktív, nem toborzó
        • Hospital Universitario Virgen del Rocio
      • Valencia, Spanyolország
        • Aktív, nem toborzó
        • Hospital Arnau de Vilanova
      • Geneva, Svájc
        • Még nincs toborzás
        • HUG
        • Kapcsolatba lépni:
          • Salim G Chucri
          • Telefonszám: +41765677688
          • E-mail: scuc@hcuge.ch
        • Kutatásvezető:
          • Salim G Chucri, MD

Részvételi kritériumok

A kutatók olyan embereket keresnek, akik megfelelnek egy bizonyos leírásnak, az úgynevezett jogosultsági kritériumoknak. Néhány példa ezekre a kritériumokra a személy általános egészségi állapota vagy a korábbi kezelések.

Jogosultsági kritériumok

Tanulmányozható életkorok

35 év (Felnőtt, Idősebb felnőtt)

Egészséges önkénteseket fogad

Nem

Tanulmányozható nemek

Összes

Mintavételi módszer

Nem valószínűségi minta

Tanulmányi populáció

COPD-s betegek, akiknél akut exacerbáció léphet fel sürgősségi osztályra és/vagy kórházi felvételre

Leírás

Bevételi kritériumok:

  • 35 évesnél idősebb alanyok, dohányzók vagy 10 dobozos évnél régebbi dohányosok.
  • COPD-t diagnosztizáltak nála (a hörgőtágító utáni kényszerkilégzési térfogat az első másodpercben (FEV1) / a kényszerített vitálkapacitás (FVC) < 0,70, és légúti tünetek, például köhögés, köpet és dyspnoe jelenléte volt.
  • „Légzőszervi betegség” [légúti fertőzés vagy pleurális folyadékgyülem (OR) légzési elégtelenség (OR) jobb/bal szívelégtelenség (OR) krónikus hörghurut (OR) hörgőgörcs (AND) miatt [COPD történeti diagnózisa (OR) - dokumentált FEV1 /FVC < 0,70 egyéb obstruktív betegségek, például asztma vagy bronchiolitis hiányában].

Kizárási kritériumok:

  • Azok a betegek, akiknél tüdőödéma, tüdőgyulladás, radiológiai beszűrődés, tüdőembólia, pneumothorax, bordatörés, aspiráció vagy bármilyen más kapcsolódó légzőszervi vagy nem légzési állapot, például súlyos kardiopátia krónikus szívelégtelenséggel, kiterjedt neoplasia, diagnosztizáltak. máj- vagy veseelégtelenség.

Tanulási terv

Ez a rész a vizsgálati terv részleteit tartalmazza, beleértve a vizsgálat megtervezését és a vizsgálat mérését.

Hogyan készül a tanulmány?

Tervezési részletek

Kohorszok és beavatkozások

Csoport / Kohorsz
Beavatkozás / kezelés
Szex
Férfi nő
Leíró prediktív modell kidolgozása a kórházi felvételt igénylő betegek klinikai jellemzőit befolyásoló tényezőkre

Mit mér a tanulmány?

Elsődleges eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
Az AECOPD-s betegek kórházi felvételével kapcsolatos tényezők száma
Időkeret: 5 év
Az AECOPD-s betegek kórházi felvételével kapcsolatos tényezők száma, EMR-ek és mesterséges intelligencia tanulási eszköz használatával
5 év

Másodlagos eredményintézkedések

Eredménymérő
Intézkedés leírása
Időkeret
A COPD kórházban kezelt betegek klinikai jellemzőinek száma
Időkeret: 5 év
Kórházi felvételt igénylő COPD-s betegek klinikai jellemzői
5 év
Kórházba került COPD-s betegek társbetegségeinek száma nemenként
Időkeret: 5 év
Kórházi COPD-s betegekkel kapcsolatos társbetegségek száma és leírása, nemenként bemutatva, mint például szív- és érrendszeri betegségek, szorongás, depresszió, gastrooesophagealis reflux.
5 év
A megnövekedett eozinofil vérszámú betegek száma
Időkeret: 5 év
Megnövekedett eozinofil vérszámmal kórházba került COPD-s betegek száma.
5 év
Az emelkedett gyulladásos paraméterekkel kórházba került COPD-s betegek száma
Időkeret: 5 év
Az emelkedett gyulladásos paraméterekkel, például fehérvérsejtszámmal, neutrofilszámmal és C-reaktív fehérjével kórházba került COPD-s betegek száma egy leíró modellben
5 év
Kórházba került COPD-s betegekben azonosított klinikai fenotípusok száma
Időkeret: 5 év
A COPD-s betegek klinikai fenotípusainak száma, amelyek súlyosbodnak és kórházi felvételt igényelnek
5 év
A kórházba került COPD-s betegek száma nem követi a kezelési ajánlásokat
Időkeret: 5 év
A kórházba került COPD-s betegek száma nem követi a 100%-os kezelési ajánlásokat az elmúlt 6 hétben
5 év
Kórházba került COPD-s betegek kockázatának száma
Időkeret: 5 év
A kórházban kezelt COPD-s betegenkénti azonosított kockázatok száma, mint például a spanyol útmutató COPD (GesEPOC), a nehézlégzés, az eozinopenia, a konszolidáció, az acidemia és a pitvarfibrilláció [DECAF] pontszáma vagy más többkomponensű index.
5 év
Az eozinofilek számától eltérő biológiai biomarkerek száma
Időkeret: 5 év
A COPD exacerbációja miatti kórházi kezeléshez és/vagy újrahospitalizációhoz kapcsolódó biológiai biomarkerek száma (az eozinofilszámtól eltérő)
5 év

Együttműködők és nyomozók

Itt találhatja meg a tanulmányban érintett személyeket és szervezeteket.

Együttműködők

Nyomozók

  • Kutatásvezető: JB Soriano, MD, Sociedad Española de Neumología y Cirugía Torácica

Tanulmányi rekorddátumok

Ezek a dátumok nyomon követik a ClinicalTrials.gov webhelyre benyújtott vizsgálati rekordok és összefoglaló eredmények benyújtásának folyamatát. A vizsgálati feljegyzéseket és a jelentett eredményeket a Nemzeti Orvostudományi Könyvtár (NLM) felülvizsgálja, hogy megbizonyosodjon arról, hogy megfelelnek-e az adott minőség-ellenőrzési szabványoknak, mielőtt közzéteszik őket a nyilvános weboldalon.

Tanulmány főbb dátumok

Tanulmány kezdete (Tényleges)

2020. január 8.

Elsődleges befejezés (Várható)

2020. október 1.

A tanulmány befejezése (Várható)

2020. december 30.

Tanulmányi regisztráció dátumai

Először benyújtva

2019. december 13.

Először nyújtották be, amely megfelel a minőségbiztosítási kritériumoknak

2019. december 17.

Első közzététel (Tényleges)

2019. december 20.

Tanulmányi rekordok frissítései

Utolsó frissítés közzétéve (Tényleges)

2020. január 13.

Az utolsó frissítés elküldve, amely megfelel a minőségbiztosítási kritériumoknak

2020. január 9.

Utolsó ellenőrzés

2019. december 1.

Több információ

A tanulmányhoz kapcsolódó kifejezések

Kulcsszavak

Egyéb vizsgálati azonosító számok

  • H2020

Terv az egyéni résztvevői adatokhoz (IPD)

Tervezi megosztani az egyéni résztvevői adatokat (IPD)?

ELDÖNTETLEN

IPD terv leírása

A tanulmány végeredménye kézirat(ok) formájában kerül terjesztésre a lektorált szakirodalomban. Ezen túlmenően, ahol releváns, a potenciális időközi elemzésekből származó adatokat a vonatkozó kongresszus(ok)on bemutatják.

Gyógyszer- és eszközinformációk, tanulmányi dokumentumok

Egy amerikai FDA által szabályozott gyógyszerkészítményt tanulmányoz

Nem

Egy amerikai FDA által szabályozott eszközterméket tanulmányoz

Nem

Ezt az információt közvetlenül a clinicaltrials.gov webhelyről szereztük be, változtatás nélkül. Ha bármilyen kérése van vizsgálati adatainak módosítására, eltávolítására vagy frissítésére, kérjük, írjon a következő címre: register@clinicaltrials.gov. Amint a változás bevezetésre kerül a clinicaltrials.gov oldalon, ez a webhelyünkön is automatikusan frissül. .

3
Iratkozz fel